MODIS和雷达测高仪的集成河流排放从空间估算数据外文翻译资料

英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

MODIS和雷达测高仪的集成河流排放从空间估算数据

A. Tarpanelli, L. Brocca, S. Barbetta, T. Lacava, M. Faruolo,and T. Moramarco

摘要：该研究整合了中等分辨率成像光谱仪提供的数据、MODIS、机载AQUA卫星和ER-2和ENVISAT上的RA-2高度计波河（意大利北部）沿河排放估算卫星。河流排放是通过将MODIS估计的速度乘以计算的流量面积来估计考虑由测高数据导出的水位。在河流横断面调查不可用的情况下，熵理论可用于重建水深测量从水面高度观测或由高度计检索。河流排放的估计是验证最近的水文站的原位测量，每日观察可从2005年2月到2010年8月。观察到的河流排放的一致性相当令人满意，协议相关系数等于0.91和均方根误差为37％。结果建议提出的方法可能应用于SENTINEL-3任务，其中两个类似的传感器将在同一颗卫星上平台，并且在垂直精度、空间和时间分辨率等方面将获得显着的改进。

关键词：MODIS 雷达测高 遥感 排放流速

1引言

近二十年来，遥感的可用性数据稳步增加，发射卫星的潜力迅速增长。雷达测高技术的最新进展TOPEX /波塞冬、ERS-2和ENVISAT等任务有很重要大型河流，湖泊水位监测信息和洪泛区。此外，最近的研究显示MODIS可以给出中等盆地流速的良好估计（面积lt;10,000平方公里）即使对于未经考验的河流遗址也是如此。在此基础上，本研究侧重于两者的耦合卫星传感器在两个不同的光谱区域工作并以不同的技术为目的来提供河流排放估计。一般来说，河流排放是由河流速度和流动面积的乘积给出，作为水位的函数导出河段几何是已知的。平均流速可以考虑到MODIS传感器在水时计算可以推断用于流域计算的水平从卫星测高数据。如果河段几何学是未知的，则Moramarco提出的熵方法et al用于重建横截面流区。

2方法

为了评估测高数据的准确性，通过虚拟站（VS）RA-2传感器上的ENVISAT卫比较原位水水平测量与水位观测得出的水位进行初步分析。即卫星轨道的位置与河流相交，消除时间平均值价值。卫星的准确性根据cor-关系，R，均方根误差，RMSE和Nash-Sutcliffe效率系数，NS（Nash和Sutcliffe 1970）等判断分析。对于平均流速的评估如下：

Brakenridge、Anderson的研究和Brakenridge等，水和不同的行为在电磁波的近红外（NIR）部分，通过计算比例来利用线性谱MODIS通道两个像素之间的反射值位于（M）内河和（C）外河。该比率能够最小化影响反射率测量的大气因素引起的显著噪声。为每个MODIS图像选择一个以VS为中心的框，首先，排除受云影响的像素。成功考虑所有的卫星图像的时间序列的像素的反射率之间的比率C和M。为了减少噪音的影响对于表面反射率的高变异性，指数平滑滤波器与C / M比，得到C / M ^*。一旦比率C / M ^*是估计反射率之间的区域关系比C / M ^*和通过使用导出的平均流速v蒲江四个测量段的MODIS数据用于获得VS处的速度。更多细节见Tarpanelli et al。排放通过乘以平均流量来评估速度（来自MODIS）由流动面积计算为a从高度测量数据得出的水位函数。如果虚拟站的河流截面是未知的，由Moramarco等人提出的熵方法（2013）已经得到应用。该方法允许确定流量深度在自然通道中的分布作为表面的函数速度，它由对数函数给出，一方面，最大表面速度分布在河上，另一方面，参数W这与最低渠道底层相关。后者通过最大值之间的幂次关系来计算速度，近似于表面速度和水位（v =alpha;hbeta;）。河流排放估计的准确度决定采用四种性能指标：RMSE，NS，最大值绝对误差，MAE和相对均方根误差，RRMSE。

3研究区与数据集

研究区蒲河，在意大利北部，坐落在一个大的平坦的冲积平原的中心，Pianura Padana（即蒲河流域）。在这项研究中，只有测量站pontelagoscuro用于模拟河流排放与超过五年的日常水位，高度的比较，从2005年2月至2010年8月，选择pontelagoscuro站在河流排放，Q是通过一个可靠的评级曲线的推导。平均流速计算Q和A对测高数据河截面积之间的比例，我们利用河流湖泊水文（RLH）由德蒙特福特大学，英国提供的产品，代表欧空局。我们考虑轨道315，从此命名为虚拟站（VS），在那里来自ENVISAT数据可用的位置。MODIS通道1（0.620–0.670micro;m-red）和2频道（0.841–0.876micro;m-near红外）从MODIS 1B数据提取（myd02qkm），由传感器Aqua卫星在同一时期（2005年2月至2010年8月上获得）。MODIS图像几乎每天可用，而测高数据只提供35天。

4研究成果

图1和图2对比表明，测高数据导出的水位在pontelagoscuro都与观测数据吻合良好。对相关系数计算约为0.88，NS是等于0.78。估计均方根误差等于0.70米，与以往的研究一致。

至于流动速度的估计，C／M是考虑像素的C和M的时间序列计算，选择在市区和附近的河流，分别为图2和图4。指数平滑滤波器的应用后，比率C /M*确定和平均流速估计使用区域关系。图4显示C／M和V的时间序列之间的比较。

这里得到的平均流速MODIS这里也用于估计的表面最大速度。一般来说，平均和不同流型的最大流速之间的比率是恒定的沿特定河和波河等于0.668。流通面积计算后的熵方法以及预测与RMSE和NS分别等于161平方米和0.88的误差。

对于河流流量的估算，本文分析了两种情况：

（1）从原位测量得到的断面呈几何形态。

（2）通过熵方法重建断面几何。

在这两种情况下，流量面积估计考虑来自卫星测高的水位。同样的水位，模拟不收费图5和图6相比，在最近的现场观察到的测量站pontelagoscuro，在已知的水深的情况下，观察到的模拟河流排放之间的比较显示了轻微高估低流量和低估高流量。然而，所提出的方法的性能与相关等于0.91和RMSE和RRMSE等于423m³/s和36%系数相当不错，分别为（见表1）。在第二种情况下，从河流排放的结果（图5）恶化的预期（见表1）。此外，相关系数仍然很高，等于0.90，而均方根误差增大，NS降低。

图1

图2

比较通过雷达测高法测出来的水位和在费拉拉观测站观察的水位

图3

图4

一个时间系数的变化的反射率值的盒子VS；B之间的时间序列的平均比较观察pontelagoscuro流速，v OBS，和MODIS比C／M

图5

图6

在时间序列上的比较（a）和（b）之间的散点图观察pontelagoscuro河流排放测量站，Q原位，和一个在虚拟站的模拟，符号见文本

表1

5总结

该研究旨在评估卫星数据估计不合格河流地区排放量的潜力。具体而言，排放被评估为从MODIS得到的流速的乘积和根据卫星雷达高度计得出的水位的函数计算的流动面积的乘积。当河段几何未知时，也可以通过使用熵方法来应用该过程。获得的良好结果表明，两个卫星传感器耦合的潜力也可以在未被测量的地点进行计算。鉴于即将到来的Sentinel-3任务，这方面可能是有特别意义的，其中具有改进的垂直精度和空间-时间分辨率的两个类似的传感器将在同一个卫星平台上。

参考文献：

Bercher N, Kosuth P (2012) Monitoring river water levels from space: quality assessment of 20 years of satellite altimetry data. Paper presented at 20 years of progress in radar altimetryrsquo; conference, Venice, 24–29 Sept 2012

Birkinshaw SJ, Orsquo;Donnell GM, Moore P, Kilsby CG, Fowler HJ, Berry PAM (2010) Using satellite altimetry data to augment flow estimation techniques on the Mekong River. Hydrol Process 24:3811–3825

Brakenridge GR, Anderson E (2006) In proceedings of the NATO on transboundary floods: reducing risk through flood management. In: Marsalek J, Stancalie G, Balint G (ed) MODIS-based flood detection, mapping and measurement: the potential for operational hydrological applications, vol 72, pp 1–12

Brakenridge GR, Nghiem SV, Anderson E, Mic R (2007) Orbital microwave measurement of river discharge and ice status. Water Resour Res 43:W04405

Frappart F, Calmant S, Cauhope M, Seyler F, Cazenave A (2006) Preliminary results of ENVISAT RA-2-derived water levels vali- dation over the Amazon basin. Remote Sens Environ 100:252–264 Koblinsky CJ, Clarke RT, Brenner AC, Frey H (1993) Measurement of river level variations with satellite altimetry. Water Resour Res 29:1839–1848

Moramarco T, Saltalippi C, Singh VJ (2011) Velocity profiles assessment in natural channels during high floods. Hydrol Res 42 (2–3):162–170

Moramarco T, Corato G, Melone F, Singh VP (2013) An entropy-based method for determining the flow depth distribution in natural channels. J Hydrol 497:176–188

Nash JE, Sutcliffe JV (1970) River flow forecasting through conceptual models, part I: a discussion of principles. J Hydrol 10(3):282–290

Santos da Silva J, Calmant S, Seyler F, Rotunno Filho OC, Cochonneau G, Mansur WJ (2010) Water levels in the Amazon basin derived from the ERS 2 and ENVISAT radar altimetry missions. Remote Sens Environ 114:2160–2181

Tarpanelli A, Brocca L, Melone F, Moramarco T, Lacava T, Faruolo M, Pergola N, Tramutoli V (2013) Toward the estimation of river discharge variations using MODIS data in ungauged basins. Remote Sens Environ 136:47–55

Tourian MJ, Sneeuw N, Bardossy A (2013) A quantile function approach to discharge estimation from satellite altimetry (ENVI- SAT). Water Resour Res 49(7):4174–4186

Wagner W, Lemoine G, Rott H (1999) A method for estimating soil moisture from ERS scatterometer and soil data. Remote Sens Environ 70:191–207

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25393]，资料为PDF文档或Word文档，PDF文档可免费转换为Word